动态规划---买卖股票的最佳时机
说明
股票问题算是动态规划问题中的一个小分支,这里单独写一篇文章介绍。至于动态规划基础问题和详细的处理步骤我在我的另一篇文章中详细介绍过。具体解决步骤请移步观看——动态规划基础篇。如果想了解01背包问题和滚动数组相关内容请移步观看——动态规划——01背包问题。
例题讲解
1.买卖股票的最佳时机
1.1确定dp(dp table)数组及其下标的含义
这道题我们可以这样去理解,假设现在是第i天,那么此时有两种可能,一是我们此时手中持有股票,即dp[i][0]:表示第i天持有股票能获取的最大利润,二是我们手中不持有股票,即dp[i][1]:表示第i天不持有股票能获取的最大利润。
1.2确定递推公式
我们要得到dp[i][0]:表示第i天持有股票能获取的最大利润,显然有两种情况,一种是第i-1天就持有股票,注意理解题意,我们只能买入一次股票如果第i-1天持有,那么第i天的股票来自于第i-1天,即dp[i][0]=dp[i-1][0];另一种是第i-1天不持有,需要在今天买入,即dp[i][0]=-prices[i]。我们只需要选择这两种情况种较大的那一种即可,dp[i][0]=Math.max(dp[i-1][0],-prices[i])。
我们要得到dp[i][1]:表示第i天不持有股票能获取的最大利润。,同样也有两种情况,一种是第i-天就没有持有股票,那正好我们啥也不用做,即dp[i][1]=dp[i-1][1];另一种是第i-1天持有股票,需要我们在今天把他卖出,即dp[i][1]=dp[i-1][0]+prices[i]。我们只需要选择这两种情况种较大的那一种即可,dp[i][1]=Math.max(dp[i-1][1],dp[i-1][0]+prices[i])。
综上分析,递推公式如下:
dp[i][0]=Math.max(dp[i-1][0],-prices[i]);
dp[i][1]=Math.max(dp[i-1][1],dp[i-1][0]+prices[i])
1.3dp数组初始化
有递推公式可知,我们只需要初始化,dp[0][0]和dp[0][1]。
dp[0][0]:第0天持有股票获得的最大利润(数组下标从0开始,这样叙述更方便),显然持有股票意味着要花钱买入,所以dp[0][0]=-prices[0];
dp[0][1]:第0天不持有股票获得的最大利润(数组下标从0开始,这样叙述更方便),不持有股票有两种情况,一是没有买入股票,二是已经卖出股票(同一天买入和卖出,dp[0][0]=0),两种情况dp[0][1]都等于0,即dp[0][1]=0。
1.4代码示例
class Solution {public int maxProfit(int[] prices) {int len=prices.length;int[][] dp=new int[len][2];dp[0][0]=-prices[0];dp[0][1]=0;for(int i=1;i<len;i++){dp[i][0]=Math.max(dp[i-1][0],-prices[i]);dp[i][1]=Math.max(dp[i-1][1],dp[i-1][0]+prices[i]);}return dp[len-1][1];}
}
1.3空间优化
class Solution {public int maxProfit(int[] prices) {int len=prices.length;int buy=-prices[0],sell=0;for(int i=1;i<len;i++){buy=Math.max(buy,-prices[i]);sell=Math.max(sell,buy+prices[i]);}return sell;}
}
2.买卖股票的最佳时机||
2.1确定dp(dp table)数组及其下标的含义
这道题我们可以这样去理解,假设现在是第i天,那么此时有两种可能,一是我们此时手中持有股票,即dp[i][0]:表示第i天持有股票能获取的最大利润,二是我们手中不持有股票,即dp[i][1]:表示第i天不持有股票能获取的最大利润。
2.2确定递推公式
我们要得到dp[i][0]:表示第i天持有股票能获取的最大利润,显然有两种情况,一种是第i-1天就持有股票,注意理解题意,我们只能买入一次股票如果第i-1天持有,那么第i天的股票来自于第i-1天(因为在任何时候最多只能持有一股股票,如果手中已经有了股票,在卖出之前,手上的股票不会再变),即dp[i][0]=dp[i-1][0];另一种是第i-1天不持有,需要在今天买入,但是此时我们需要特别注意一点,和第一个例题不同的是,我们现在可以多次进行购买/卖出,那么我们再够卖股票之前我们可能已经进行过交易,并且已经赚到钱,所以dp[i][0]=dp[i-1][1]-prices[i]。这和只能买卖一次又很大的区别,如果你只能买卖一次,那么如果你此时需要购买股票,说明你之前一定没有进行过交易,那么你一分钱都没有赚过,显然dp[i][0]=-prices[i]。
我们要得到dp[i][1]:表示第i天不持有股票能获取的最大利润。,同样也有两种情况,一种是第i-天就没有持有股票,那正好我们啥也不用做,即dp[i][1]=dp[i-1][1];另一种是第i-1天持有股票,需要我们在今天把他卖出,即dp[i][1]=dp[i-1][0]+prices[i]。我们只需要选择这两种情况种较大的那一种即可,dp[i][1]=Math.max(dp[i-1][1],dp[i-1][0]+prices[i])。
综上分析,递推公式如下:
dp[i][0]=Math.max(dp[i-1][0],dp[i-1][1]-prices[i]);
dp[i][1]=Math.max(dp[i-1][1],dp[i-1][0]+prices[i])
2.3dp数组初始化
有递推公式可知,我们只需要初始化,dp[0][0]和dp[0][1]。
dp[0][0]:第0天持有股票获得的最大利润(数组下标从0开始,这样叙述更方便),显然持有股票意味着要花钱买入,所以dp[0][0]=-prices[0];
dp[0][1]:第0天不持有股票获得的最大利润(数组下标从0开始,这样叙述更方便),不持有股票有两种情况,一是没有买入股票,二是已经卖出股票(同一天买入和卖出,dp[0][0]=0),两种情况dp[0][1]都等于0,即dp[0][1]=0。
2.4代码示例
class Solution {public int maxProfit(int[] prices) {int len=prices.length;int[][] dp=new int[len][2];dp[0][0]=-prices[0];dp[0][1]=0;for(int i=1;i<len;i++){dp[i][0]=Math.max(dp[i-1][0],dp[i-1][1]-prices[i]);dp[i][1]=Math.max(dp[i-1][1],dp[i-1][0]+prices[i]);}return dp[len-1][1];}
}
2.5空间优化
class Solution {public int maxProfit(int[] prices) {int len=prices.length;int buy=-prices[0];int sell=0;for(int i=1;i<len;i++){buy=Math.max(buy,sell-prices[i]);sell=Math.max(sell,buy+prices[i]);}return sell;}
}
3.买卖股票的最佳时机 III
3.1确定dp(dp table)数组及其下标的含义
由于我们最多可以完成两笔交易,因此在任意一天结束之后,我们会处于以下五个状态中的一种:
0:未进行过任何操作;
1:第一次买入;
2:第一次卖出;
3:第二次买入;
4:第二次卖出。
注意:“最多可以完成两笔交易”这句话的意思是我们再整个交易过程种一共可以进行两次“买入/卖出”,这个和第二道例题不同的是他限制了买入/卖出的次数。
所以:dp[i][j]中 i表示第i天,j为 [0 - 4] 五个状态,dp[i][j]表示第i天状态j所剩最⼤现⾦
3.2确定递推公式
需要特别注意的是dp[i][2]和dp[i][3]表示的是买入股票的状态,并不一定要在第i天买入股票,因为再第i天之前可能已经买入股票了。
由于第一个状态的利润显然为0 ,因此我们可以不用将其记录。
要达到dp[i][1]的状态有两种操作:
第一种:第i天买入股票,即dp[i][1]=-prices[i];(不管是哪一天第一次买入,因为好没有卖出过,不可能有收益,所以dp[i][1]显然等于当天股票价格的负数);
第二种:第i天没有操作,而是之前就已经买入过一次股票,即dp[i][1]=dp[i-1][1];
那么dp[i][1]究竟选 dp[i-1][0] - prices[i],还是dp[i - 1][1]呢?
⼀定是选最⼤的,所以 dp[i][1] =Math.max(-prices[i], dp[i - 1][1]);
要达到dp[i][2]的状态有两种操作:
第一种:第i天卖出股票,即dp[i][2]=dp[i-1][1]+pricesi;
第二种:第i天没有操作,而是之前就已经卖出过一次股票,即dp[i][1]=dp[i-1][2];
同理,dp[i][2] =Math.max(dp[i-1][1] + prices[i], dp[i - 1][2]);
同理,dp[i][3]=Math.max(dp[i-1][2]-prices[i],dp[i-1][3]);
同理,dp[i][4]=Math.max(dp[i-1][3]+prices[i],dp[i-1][4]);
dp[i][1] =Math.max(-prices[i], dp[i - 1][1]);
dp[i][2] =Math.max(dp[i-1][1]+prices[i], dp[i - 1][2]);
dp[i][3]=Math.max(dp[i-1][2]-prices[i],dp[i-1][3]);
dp[i][4]=Math.max(dp[i-1][3]+prices[i],dp[i-1][4]);
3.3dp数组初始化
有递推公式可知,我们只需要初始化,dp[0][1],dp[0][2],dp[0][3]和dp[0][4]。
dp[0][1]:第一次买入,显然等于-prices[0],即dp[0][1]=-prices[0];
dp[0][2]: 第一次卖出,在同一天买入卖出显然利润为0,即dp[0][2]=0;
dp[0][3]:第二从买入,因为不能同时参与多笔交易(你必须在再次购买前出售掉之前的股票),所以第二次买入时,我们显然已经卖出了第一次买入的股票,赚了0元,所以dp[0][3]依旧等于-prices[0],即dp[0][3]=-prices[0];
dp[0][4]: 第二次卖出,在同一天买入卖出显然利润为0,即dp[0][4]=0;
3.4代码示例
class Solution {public int maxProfit(int[] prices) {int len=prices.length;int[][] dp=new int[len][5];dp[0][1]=-prices[0];dp[0][3]=-prices[0];for(int i=1;i<len;i++){dp[i][1]=Math.max(-prices[i],dp[i-1][1]);dp[i][2]=Math.max(dp[i-1][1]+prices[i],dp[i-1][2]);dp[i][3]=Math.max(dp[i-1][2]-prices[i],dp[i-1][3]);dp[i][4]=Math.max(dp[i-1][3]+prices[i],dp[i-1][4]);}return dp[len-1][4];}
}
3.5空间优化
class Solution {public int maxProfit(int[] prices) {int len=prices.length;int buy1=-prices[0],buy2=-prices[0],sell1=0,sell2=0;for(int i=1;i<len;i++){buy1=Math.max(buy1,-prices[i]);sell1=Math.max(sell1,buy1+prices[i]);buy2=Math.max(buy2,sell1-prices[i]);sell2=Math.max(sell2,buy2+prices[i]);}return sell2;}
}
4.买卖股票的最佳时机 IV
4.1确定dp(dp table)数组及其下标的含义
由于我们最多可以完成k笔交易,因此在任意一天结束之后,我们会处于以下2k个状态中的一种:
0:未进行过任何操作;
1:第一次买入;
2:第一次卖出;
3:第二次买入;
4:第二次卖出;
5:第三次买入;
6:第三次卖出;
…
注意:“最多可以完成k笔交易”这句话的意思是我们再整个交易过程种一共可以进行k次“买入/卖出”,这个和第二道例题不同的是他限制了买入/卖出的次数,本题和第三道例题唯一的不同就是由一共可以进行两笔交易变为一共可以进行k笔交易。
所以:dp[i][j]表示第i天状态j所剩最⼤现⾦
4.2确定递推公式
其实通过观察我们可以发现当j为奇数时,我们是进行买入操作,当j为偶数时,我们是进行卖出操作。
想要达到dp[i][1]状态,有两种操作:
第一种:第i天之前就已经进行了第一次买入,沿用之前的第一次买入状态,即dp[i][1]=dp[i-1][1];
第二种:第i天进行第一次买入,dp[i][1]=dp[i-1][0]-pricesi;
这两种情况选最大的一种即可,dp[i][1]=Math.max(dp[i-1][1],dp[i-1][0]-prices[i]);
想要达到dp[i][2]状态,有两种操作:
第一种:第i天之前就已经进行了第一次卖出,沿用之前的第一次卖出状态,即dp[i][j]=dp[i-1][2];
第二种:第i天进行第一次卖出,dp[i][2]=dp[i-1][1]+prices[i];
这两种情况选最大的一种即可,dp[i][2]=Math.max(dp[i-1][2]],dp[i-1][1]+prices[i]);
同理,可以推断出递推公式为:
for(int j=0;j<2*k-1;j+=2){dp[i][j+1]=Math.max(dp[i-1][j+1],dp[i-1][j]-prices[i]);dp[i][j+2]=Math.max(dp[i-1][j+2],dp[i-1][j]+prices[i]);}
4.3dp数组初始化
第0天没有操作,这个最容易想到,就是0,即:dp[0][0] = 0;
第0天做第⼀次买⼊的操作,dp[0][1] = -prices[0];
第0天做第⼀次卖出的操作,这个初始值应该是多少呢?
⾸先卖出的操作⼀定是收获利润,整个股票买卖最差情况也就是没有盈利即全程⽆操作现⾦为0,
从递推公式中可以看出每次是取最⼤值,那么既然是收获利润如果⽐0还⼩了就没有必要收获这个利润
了。
所以dp[0][2] = 0;
第0天第⼆次买⼊操作,初始值应该是多少呢?
不⽤管第⼏次,现在⼿头上没有现⾦,只要买⼊,现⾦就做相应的减少。
第⼆次买⼊操作,初始化为:dp[0][3] = -prices[0];
总上分析,初始化代码为:
for(int j=1;j<2*k;j+=2){dp[0][j]=-prices[0];
}
4.4代码示例
其实将k替换为2,这道题就是第三道例题的解答,即一空可以进行两次交易。
class Solution {public int maxProfit(int k, int[] prices) {int len=prices.length;if(len==0) return 0; //注意:此处数组长度可能为0int[][] dp=new int[len][2*k+1];for(int j=1;j<2*k;j+=2){dp[0][j]=-prices[0];}for(int i=1;i<len;i++){for(int j=0;j<2*k-1;j+=2){dp[i][j+1]=Math.max(dp[i-1][j+1],dp[i-1][j]-prices[i]);dp[i][j+2]=Math.max(dp[i-1][j+2],dp[i-1][j+1]+prices[i]);}}return dp[len-1][2*k];}
}
5.最佳买卖股票时机含冷冻期
5.1确定dp(dp table)数组及其下标的含义
由于存在冷冻期,所以任意一天结束后会有以下三种状态:
dp[i][0]:买入状态,可能是第i天买入,也可能时第i天之前就已经买入
dp[i][1]:卖出状态,但是在第i天卖出了股票,第i+1天处于冷冻期
dp[i][2]:卖出状态,第i天可以处于冷冻期也可以不处于冷冻期,只要保证第i+1天正常交易即可
注意:题目说“卖出股票后,你无法在第二天买入股票 (即冷冻期为 1 天)”,虽然冷冻期是1天,但是从卖出股票的那一天算起,其实是两天,所以dp[i][1]:卖出状态,但是处于冷冻期,其实是指第i天卖出了股票,所以第i+1天处于冷冻期;
二dp[i][2]:卖出状态,并且不在冷冻期,是指不是在第i天卖出的,第i+1天可以正常买入股票。
所以dp[i][j]:第i天,处在j状态,所剩余的钱最多为dp[i][j]。
5.2确定递推公式
需要特别注意的是dp[i][0]表示的是买入股票的状态,并不一定要在第i天买入股票,因为再第i天之前可能已经买入股票了。
要达到dp[i][0]的状态有两种操作:
第一种:第i天买入股票并且第i天没有处于冷冻期,即dp[i][0]=dp[i-1][2]-prices[i];
第二种:第i天没有操作,而是之前就已经买入过股票,沿用之前的状态,即dp[i][0]=dp[i-1][0];
那么dp[i][0]究竟选dp[i-1][2]-prices[i],还是dp[i - 1][0]呢?
⼀定是选最⼤的,所以 dp[i][0] =Math.max(dp[i-1][2]-prices[i], dp[i - 1][0]);
要达到dp[i][1]的状态只有一种操作:
第i天卖出了持有的股票,使得第i+1天处于冷冻期,即dp[i-1][0]+prices[i];
要达到dp[i][2]的状态有两种操作:
第一种:第i-1天卖出的股票,第i天处于冷冻期,但是第i+1太难可以正常买入股票,即dp[i][2]=dp[i-1][1];
第二种:第i-1没有卖出股票,第i天也没有处于冷冻期,那么直接沿用之前的卖出状态,即dp[i][2]=dp[i-1][2];
同理,dp[i][2]=Math.max(dp[i-1][1],dp[i-1][2]);
综上分析,可得递推公式如下:
for(int i=1;i<prices.length;i++){dp[i][0] =Math.max(dp[i-1][2]-prices[i], dp[i - 1][0]);dp[i-1][0]+prices[i];dp[i][2]=Math.max(dp[i-1][1],dp[i-1][2]);
}
5.3dp数组初始化
有递推公式可知,我们只需要初始化,dp[0][0],dp[0][1],dp[0][2]。
dp[0][0]:买入状态,可能是第i天买入,也可能时第i天之前就已经买入,此处使开始,显然dp[0][0]=-prices[0];
dp[0][1]和dp[0][2]显然都等于0
5.4代码示例
class Solution {public int maxProfit(int[] prices) {int len=prices.length;int[][] dp=new int[len][3];dp[0][0]=-prices[0];for(int i=1;i<len;i++){dp[i][0]=Math.max(dp[i-1][0],dp[i-1][2]-prices[i]);dp[i][1]=dp[i-1][0]+prices[i];dp[i][2]=Math.max(dp[i-1][1],dp[i-1][2]);}return Math.max(dp[len-1][1],dp[len-1][2]);}
}
5.5空间优化
class Solution {public int maxProfit(int[] prices) {int a=-prices[0],b=0,c=0;for(int i=1;i<prices.length;i++){int newA=Math.max(a,c-prices[i]);int newB=a+prices[i];int newC=Math.max(b,c);//保存i-1的数据a=newA;b=newB;c=newC;}return Math.max(b,c);}
}
6.买卖股票的最佳时机含手续费
6.1确定dp(dp table)数组及其下标的含义
dp[i][0]:第i天持有股票获得利润的最大值;
dp[i][1]:第i天不持有股票获得利润的最大值;
6.2确定递推公式
需要特别注意的是dp[i][0]表示的是买入股票的状态,并不一定要在第i天买入股票,因为再第i天之前可能已经买入股票了。
要达到dp[i][0]的状态有两种操作:
第一种:第i天买入股票,那么首先第i-1天需要处于不持有股票状态,这是因为题目要求“如果你已经购买了一个股票,在卖出它之前你就不能再继续购买股票了”,而且因为可以无限次交易,那么第i天之前可能已经进行过交易并赚到了钱,所以dp[i][0]=dp[i-1][1]-prices[i],即用之前赚到的钱减去第i天股票的价格;
第二种:第i天没有操作,而是之前就已经买入过股票,沿用之前的状态,即dp[i][0]=dp[i-1][0];
那么dp[i][0]究竟选dp[i-1][1]-prices[i],还是dp[i - 1][0]呢?
⼀定是选最⼤的,所以 dp[i][0] =Math.max(dp[i-1][1]-prices[i], dp[i - 1][0]);
要达到dp[i][1]的状态有两种操作:
第一种:第i天卖出的股票,那么第i-1天需要保持持有股票状态,并且用第i-1天持有股票状态获得利润的最大值加上第i天股票的价格,这里需要注意的是,如题“你每笔交易都需要付手续费”,所以在卖出时我们还需要减去手续费,即dp[i][1]=dp[i-1][0]+prices[i]-fee;
第二种:第i-1保持不持有股票状态,那么直接沿用之前的卖出状态,即dp[i][1]=dp[i-1][1];
同理,dp[i][1]=Math.max(dp[i-1][0]+prices[i]-fee,dp[i-1][1]);
综上分析,可得递推公式如下:
for(int i=1;i<prices.length;i++){dp[i][0] =Math.max(dp[i-1][1]-prices[i], dp[i - 1][0]);dp[i][1]=Math.max(dp[i-1][0]+prices[i]-fee,dp[i-1][1]);
}
6.3dp数组初始化
有递推公式可知,我们只需要初始化,dp[0][0],dp[0][1]
dp[0][0]=-prices[0];
dp[0][1]=0;
这里注意一下dp[0][1],其实dp[0][1]此时由两种选择,一种时买入再卖出但是需要缴纳手续费fee,另一种是直接不买入,显然选择第第二种即dp[0][1]=0;
6.4代码示例
class Solution {public int maxProfit(int[] prices, int fee) {int len=prices.length;int[][] dp=new int[len][2];dp[0][0]=-prices[0];for(int i=1;i<len;i++){dp[i][0]=Math.max(dp[i-1][0],dp[i-1][1]-prices[i]);dp[i][1]=Math.max(dp[i-1][1],dp[i-1][0]+prices[i]-fee);}return dp[len-1][1];}
}
6.5空间优化
class Solution {public int maxProfit(int[] prices, int fee) {int len=prices.length;int a=-prices[0],b=0,newA=0,newB=0;for(int i=1;i<len;i++){newA=Math.max(a,b-prices[i]);newB=Math.max(b,a+prices[i]-fee);a=newA;b=newB;}return b;}
}
动态规划---买卖股票的最佳时机相关推荐
- 动态规划-买卖股票的最佳时机 专题
动态规划-买卖股票的最佳时机 专题 买卖股票的最佳时机(可以用贪心) 力扣题目链接 因为只能买卖一次. dp[i][j]数组的含义:第 i 天状态为 j 时的最大现金. 递推公式: 设dp[i][0] ...
- 贪心/动态规划 - 买卖股票的最佳时机含手续费
题目链接 贪心 每次只能交易一个股票,最优的选择就是低买高卖.不过每次交易股票都有一次手续费.可以把手续费算到买入的价格里.只要能收益就交易. 每次卖出一个股票就拥有了原价购买股票的机会.这样就能在具 ...
- 动态规划——买卖股票的最佳时机含手续费
题目 给定一个整数数组 prices,其中 prices[i]表示第 i 天的股票价格 :整数 fee 代表了交易股票的手续费用. 你可以无限次地完成交易,但是你每笔交易都需要付手续费.如果你已经购买 ...
- 动态规划 - 买卖股票的最佳时机 IV
题目链接 使用两个辅助数组 buy[i][j]buy[i][j]buy[i][j]表示前iii个股票发生jjj次交易且手上有一只股票的最大收益. sell[i][j]sell[i][j]sell[i] ...
- 动态规划 - 买卖股票的最佳时机 III
每天结束,一共有5种状态: 没有操作(可以不记录,收益为0) buy1:第一次买入 sell1:第一次卖出(完成一次交易) buy2:第二次买入 sell2:第二次卖出(完成两次交易) 状态转移: b ...
- LeetCode 188. 买卖股票的最佳时机 IV(动态规划)
1. 题目 给定一个数组,它的第 i 个元素是一支给定的股票在第 i 天的价格. 设计一个算法来计算你所能获取的最大利润.你最多可以完成 k 笔交易. 注意: 你不能同时参与多笔交易(你必须在再次购买 ...
- LeetCode 123. 买卖股票的最佳时机 III(动态规划)
1. 题目 给定一个数组,它的第 i 个元素是一支给定的股票在第 i 天的价格. 设计一个算法来计算你所能获取的最大利润.你最多可以完成 两笔 交易. 注意: 你不能同时参与多笔交易(你必须在再次购买 ...
- leetcode 714 买卖股票的最佳时机含手续费-动态规划(中等)
714 买卖股票的最佳时机含手续费-动态规划(中等) 给定一个整数数组 prices,其中第 i 个元素代表了第 i 天的股票价格 :非负整数 fee 代表了交易股票的手续费用. 你可以无限次地完成交 ...
- [LeetCode刷题笔记]714 - 买卖股票的最佳时机含手续费(C++/Python3/Java/动态规划/贪心)
一.题目描述 给定一个整数数组 prices 和 整数 fee ,其中 prices[i] 表示第 i 天的股票价格,fee 代表了交易股票的手续费用. 你可以无限次地完成交易,但是你每笔交易都需要付 ...
最新文章
- Go 学习笔记(25)— 并发(04)[有缓冲/无缓冲通道、WaitGroup 协程同步、select 多路监听通道、close 关闭通道、channel 传参或作为结构体成员]
- Linux jobs等前后台运行命令详解
- 机器学习笔记:Momentum
- 扔掉 Postman,一个工具全部搞定,真香!
- 肿瘤相关甲基化预后分析数据库SurvivalMeth详细使用指南
- 在Spring中配置多个View解析器
- 【Breadth-first Search 】785. Is Graph Bipartite?
- 解决默写浏览器中点击input输入框时,placeholder的值不消失的方法
- C++中的iostream和iostream.h
- xposed框架修改手机串号教程_xposed 入门之修改手机 IMEI
- pvcreate出错: Can't open /dev/sdb7 exclusively. Mounted filesystem?
- VS2013MFC对话框工程学习笔记二 - 了结布局和一些基本的窗口组件
- 蝸居…唯一有共鳴的戲劇
- python模拟生成微软序列号,python生成随机序列号
- ZOJ 3939 The Lucky Week
- 苹果登录skype显示无法连接服务器,无法连接appstore服务器 无法连接appstore服务器怎么办呢...
- 云数据库有什么用?有了云服务器为什么还要云数据库?
- stata怎么画分类图_Stata中的图形制作(绝对自己总结)
- Cocos2d游戏开发之如何解包获得pvr.ccz中的美术资源
- 企业级无线渗透与无线数据浅析
热门文章
- 第2台计算机的英文简写是,又一IP古装权谋剧来了!那么IP到底是哪两个英文的缩写?...
- BOOST电路的节点电压和电流分析
- Linux系统各发行版镜像下载(持续更新)---download
- 微信公众平台开发:JS API支付
- 一篇让小白彻底搞懂性能调优!
- SiT2020:抗冲击抗振动宽温振荡器,1-110MHz之间频率,SOT23-5封装
- 什么是描述性统计分析( descriptive statistics)?主要包含哪些内容?
- 十字路口待转区什么用_左转待转区的几种违章 稍不注意你绝对就要中招
- 管式静态混合器 不锈钢管道混合器
- python爬取股票信息_利用Python爬取网易上证所有股票数据(代码